基于本体差异的语义准确性度量

理解复杂网络中源于词汇资源的语义关系对于网络科学和语言建模至关重要。虽然网络嵌入方法捕获情境相似性，但基于显式定义结构直接衡量语义距离仍具有挑战性。准确的语义相似性度量允许基于在每一次 navigation 跳转中最大化语义相似性来导航词汇网络（语义导航，SN）。本工作引入了本体差异（OD），一种通过分析递归定义扩展期间的重叠来衡量概念间发散的正式方法。我们将 OD 方法应用于从 Simple English Wiktionary 中提取的网络，比较 OD 分数与其他被提出的语义相似性度量（基于随机漫步网络探索的余弦相似性）。我们发现，来自约 50% 词典条目代表的词语库中抽样的约 200 万对词语的直接成对 OD 分数与余弦相似性之间存在弱相关。这一发现确立了 OD 作为一种与余弦相似性 largely 独立的基于定义的语义度量标准， 当低语义内容术语从数据集中移除后，OD 与余弦相似性之间的正交性更加突出。此外，我们使用累积 OD 分数评估由基于向量的 SN 和结构上最优的 Shortest Paths（SP）生成的路径。我们发现 SN 路径在累积 OD 分数上持续显著低于最短路径，表明 SN 产生的轨迹更符合字典定义结构，正如由 OD 所衡量。本体差异因此提供了一种新颖、以定义为基础的工具，用于分析、验证和可能构建词汇网络中的 navigation process。